一个曾因干扰模型训练被字节跳动辞退、被起诉索赔800万元的实习生，如今带着一家尚未公开名称、没有正式产品的AI创业公司，获得了近3000万美元融资，投后估值达到2亿美元。
据彭博社报道，田柯宇创办的人工智能实验室获得五源资本、IDG资本等机构投资，正在研究世界模型，希望让AI通过海量视频学习现实世界的运动规律和环境变化，并将技术应用于机器人、自动驾驶和交互式视频等领域。
更具戏剧性的是，田柯宇不仅是一名创业者，也是NeurIPS 2024年度最佳论文的第一作者。从职场争议到资本追捧，他的经历折射出AI行业的一个新变化。当大模型竞争从语言和图像生成延伸到现实世界的理解与模拟，资本开始为尚未成熟的底层技术提前下注。
一、从字节实习生到争议人物：技术能力之外的考验田柯宇的故事，要从2024年说起。
当时，他还在字节跳动实习，参与视觉生成模型VAR的相关研究。这项技术尝试通过逐步预测不同尺度的图像信息，提高图像生成的效率。
2024年12月，相关论文获得NeurIPS年度最佳论文奖，让这名年轻研究者进入国际AI研究领域的视野。
但学术上的成功，并没有掩盖职场中的争议。
2024年，字节跳动因田柯宇涉嫌干扰其他团队的模型训练任务将其辞退，并提起民事诉讼，索赔800万元。相关事件随后引发广泛讨论，网络上还出现了涉及数千张GPU、造成巨额损失等说法。
字节跳动当时回应称，部分网络传言严重夸大了事件影响。公司表示，受到影响的是商业化技术团队的一个研究项目，并未波及正式项目和线上业务。
最终，法院判令田柯宇赔偿50万元，并没收其全部工资。需要注意的是，800万元是字节跳动提出的索赔金额，并非最终判赔金额。
在近期接受彭博社采访时，田柯宇承认自己当时的做法不当。他将其描述为一种“以暴制暴”：因为认为自己的研究更有价值，便试图通过干扰其他团队的训练任务，为自己争取更多算力。他还表示，如果能带着今天的认识回到过去，自己会采取更明智的做法。
这场风波也揭示了AI行业的现实问题，那就是GPU不仅是模型训练的基础设施，也是影响研发速度和技术迭代的核心资源。在大公司内部，不同团队往往需要争夺有限的算力、预算和工程支持，资源分配有时直接影响研究进度。
但竞争不能成为破坏他人研究的理由。对于AI企业而言，代码权限、训练任务隔离和资源调度同样重要。技术能力能够带来机会，却不能取代职业规范。
田柯宇的经历因此具有双重意义，NeurIPS最佳论文证明了他的研究能力，而职场争议则提醒市场，学术成果与职业信誉是两套不同的评价体系。
二、20万个视觉符号与1亿小时视频：让AI真正理解世界离开字节后，田柯宇继续推进视觉模型研究，并将方向延伸至世界模型。
简单来说，世界模型试图让AI学习现实世界的状态、物体运动和因果关系，并据此预测环境接下来会发生什么。它与传统聊天机器人的区别在于，后者主要处理语言信息，而世界模型希望建立对空间、时间和物理变化的内部表征。
例如，一段汽车行驶的视频，不仅包含车辆和道路的画面，还包含速度、距离、运动轨迹以及其他车辆突然变道后可能出现的变化。
对于自动驾驶而言，生成一段逼真的视频远远不够，模型还需要理解环境，并预测不同动作可能造成的后果。
据彭博社报道，田柯宇的团队已经构建了一套包含20万个符号的“视觉词典”。这些符号并非供人阅读的文字，而是用于表示、压缩和预测视频信息的专属符号系统。
田柯宇认为，视频包含大量难以通过自然语言完整描述的信息。如果让AI直接利用适合视觉数据的符号进行学习，或许能够更高效地捕捉物体运动、空间关系和连续变化。
按照他的计划，团队将尝试向模型输入约1亿小时的视频数据，让AI借助这套符号系统学习现实世界的规律。他还表示，这项技术有望将生成1秒视频的成本至少降低一个数量级，即降至原来的十分之一左右。
不过，这些目前仍属于团队披露的技术目标。由于完整模型尚未公开，外界还无法独立验证其成本优势和实际效果。
这条路线与田柯宇此前参与的VAR研究存在一定联系。前者尝试通过多尺度预测提高图像生成效率，而他现在希望把类似思路扩展到包含时间、运动和环境变化的视频世界。
世界模型也并非一个孤立的研究方向。2026年4月，小鹏汽车发布了自动驾驶世界模型X-World的技术报告，介绍其利用可控的多视角视频生成技术开展环境仿真、数据生成和自动驾驶模型验证。这表明，世界模型正逐步进入具体的产业研发环节。
对自动驾驶企业而言，它可以帮助生成现实道路中难以大量采集的复杂场景；对机器人企业而言，它有望降低在真实环境中反复试错的成本；对视频生成行业而言，它则可能推动AI从生成静态画面和短视频，进一步走向连续、可预测、可交互的动态环境。
但要实现这些目标，模型仍需解决物理规律准确性、长期一致性、实时交互和推理成本等难题。画面逼真不等于理解世界，能够预测短期变化，也不代表可以稳定处理复杂环境。
三、估值2亿美元：资本为何愿意提前押注？截至融资消息公开时，田柯宇创办的实验室尚未公开名称，也没有推出正式产品，团队规模约10人。即便如此，公司仍获得近3000万美元融资，投后估值达到2亿美元。
这反映出AI基础模型领域的投资逻辑正在发生变化。
传统软件企业通常需要通过产品、用户增长和收入证明商业价值，但基础模型公司的竞争优势，可能在产品出现之前就已经形成。模型架构、数据处理方式和训练范式上的突破，往往决定团队未来能否建立技术壁垒。
田柯宇的学术履历为投资人提供了判断其潜力的依据，而世界模型的产业前景，则为这笔投资提供了更大的想象空间。
与此同时，赛道竞争正在加剧。李飞飞创办的World Labs也在推进空间智能和世界模型研究。
2026年1月，彭博社曾报道称，该公司正与投资人讨论以约50亿美元估值融资数亿美元。需要注意，这属于当时的融资洽谈消息，并不等于交易已经完成。
从学术研究到产业应用，越来越多团队开始争夺世界模型的技术制高点。资本希望提前找到具备潜力的研究团队，在行业形成明确格局之前完成布局。
不过，高估值不意味着技术已经成功。即使能够处理海量视频数据，模型也必须证明自己可以稳定预测现实环境，并在自动驾驶、机器人或视频生成等具体场景中创造价值。
商业化同样是一道难题。自动驾驶企业关注仿真精度和安全验证，机器人企业需要模型帮助机器适应真实环境，视频生成企业则更看重成本、速度和内容质量。不同场景的需求并不相同，基础模型要真正进入市场，还需要持续的工程优化和产品开发。
田柯宇表示，团队计划在2027年正式发布完整模型之前，通过线下活动展示技术能力。他目前并不急于给公司贴上明确的“世界模型”标签，而是希望专注于基础模型研发，让实际成果证明技术价值。
接下来，外界需要观察的，是这家公司能否把20万个视觉符号的设想转化为可验证的模型能力，能否兑现成本下降的承诺，以及能否在2027年前后交出具有竞争力的产品。
结语
从被字节辞退到获得资本支持，田柯宇已经重新获得进入AI竞争核心圈的机会。但这场创业故事最终能走多远，不取决于人物经历有多戏剧化，也不取决于融资估值有多高，而取决于技术能否兑现、产品能否落地以及团队能否重新建立长期信任。
